anonym.legal

By · Last updated 2026-02-20

Terug naar BlogGezondheidszorg

Zorgdatalekken: $10,22 Miljoen Gemiddeld

IBM meldt dat de zorgsector voor het vijftiende jaar op rij de hoogste gemiddelde kosten per datalek heeft. 725 HIPAA-inbreuken in 2024 troffen 275 miljoen records. Wat dit betekent voor cloud-PHI-verwerking.

February 20, 20269 min lezen
healthcareHIPAAPHIdata breachransomware

De Duurste Sector voor Datalekken

De gezondheidszorg heeft voor het vijftiende jaar op rij de hoogste gemiddelde kosten per datalek van alle sectoren. IBM Cost of a Data Breach Report 2025 stelt het gemiddelde op $10,22 miljoen per incident.

Dat is bijna het dubbele van het sectorgemiddelde ($4,88 miljoen) en meer dan twee keer zoveel als in de financiële sector. De zorgsector betaalt het meest en doet dat consistent, jaar na jaar.

725 HIPAA-inbreuken in 2024

Het HHS Office for Civil Rights rapporteerde 725 HIPAA-inbreuken in 2024, die in totaal 275 miljoen records troffen — meer dan de volledige bevolking van de Verenigde Staten.

De grootste incidenten van 2024:

  • Change Healthcare (UnitedHealth): 190 miljoen records — de grootste gezondheidszorginbreuk in de Amerikaanse geschiedenis
  • Kaiser Permanente: 13,4 miljoen leden via een analytisch pixel-incident
  • Ascension Health: 5,6 miljoen patiëntrecords

Elk incident triggerde OCR-onderzoeken, staatsrechtszaken, class action claims en HIPAA-boetes.

Waarom Zorginbreuken Zoveel Kosten

Complexe meldingsplichten: HIPAA vereist melding aan HHS, getroffen individuen, media (bij grote inbreuken) en soms de FTC.

Langdurige rechtsgeschillen: Class action aansprakelijkheid is hoog. Patiënten hebben sterke privacyrechten.

Lange hersteltijd: Zorgsystemen herstellen gemiddeld 59 dagen na een inbreuk — langer dan enige andere sector.

PHI-waarde: Gezondheidsrecords worden voor $250-$1.000 per record op de zwarte markt verkocht — 10-20× meer dan creditcardgegevens.

Zero-Knowledge als Oplossing

50% van alle HIPAA-inbreuken in 2024 betrof een leverancier of zakelijke partner. Gedekte entiteiten ondertekenen BAAs — maar die beschermen niet wat er met patiëntgegevens op leveranciersservers gebeurt.

Zero-knowledge anonimisering verwijdert het risico aan de bron. PHI wordt geanonimiseerd voordat het enig cloudplatform bereikt. Een inbreuk bij de cloud-provider legt niets bloot — de gevoelige gegevens zijn er nooit in leesbare vorm ontvangen.

Bekijk de HIPAA-nalevingsdocumentatie en beveiligingspagina.

Bronnen

Gerelateerde Artikelen

Gezondheidszorg

HIPAA OCR: 725 Breaches, 275M Records

HHS OCR reported 725 HIPAA breaches in 2024 affecting 275M records — the highest ever. $10.22M average healthcare breach cost.

Gezondheidszorg

Handwritten Form OCR & PII Detection

A mid-size hospital processes 50,000 handwritten intake forms per year. Manual PII redaction at this volume requires 0.5 FTE.

Gezondheidszorg

HHS 2025: AI Clinical Notes Need PHI

AI transcription systems can inadvertently put Patient A's PHI in Patient B's record. Here's why real-time PHI detection before EHR commit is the control.

Klaar om uw gegevens te beschermen?

Begin met het anonimiseren van PII met 285+ entiteitstypen in 48 talen.

Start Gratis ProefperiodeBekijk Kenmerken

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.